这个是想统计每箱的人数。代码可以按如下方式写：
qc.value_counts().sort_index()/5000 # 这里5000是总数量
效果如下：
如果不是等宽分箱可以自己手动指定宽度。这时需要使用pandas的cut方法。
wangxishi
2020-09-15
一句话概括all 和all selected的区别：all 即是all，计算总合计值，使得所有筛选（包含维度筛选以及切片器筛选）失效
ged_2357
2020-09-15
左边是索引，不是人数。对于分箱后的结果展示，我还是不太懂。如果是想了解每个箱的人数分布可以使用value_counts()来实现。
wangxishi
2020-09-15
最终想实现的效果是？可以先使用pandas的 sort_values对数据进行排序，然后对排序后的数据使用 qcut 进行切分即可。
wangxishi
2020-09-15
https://www.pinggu.com/post/details/5f5b00e548b2b7754effa41b
wangxishi
2020-09-11
reg.coef_ 这个是编写sklearn库的人这样命名的，coef_是reg对象的一个属性，这个命名我们自己改不了
。也许编写这个库的人哪天觉得coef_这个名字不好听就换掉。目前就只能这样用
wangxishi
2020-09-10
coef=reg.coef_[0]后面的[0]是切片位置从0开始对吧，那reg.coef和[0]中间为什么会有下划线呢
wangxishi
2020-09-10
id=data["序号"][i]
这行是怎么实现调取第i行数据的，我看后面没有调用id的代码呀
如果想看整个线性回归方程并画图，可以看吗？
wangxishi
2020-09-10
